LLM 框架 Principia 在测试时构建并迭代精炼科学原理。
资讯摘要
论文提出 Principia，一个基于大语言模型的框架，在测试时构建并持续精炼科学原理。它从相关输入与观测结果中形成比较性因果假设，再跨假设归纳出反复出现的关系作为原理，并依据新观测修正假设、重建原理，使知识在发现过程中持续演化。作者报告，在分子优化、蛋白质工程、基因扰动和分子性质预测等基准上，Principia 优于依赖内部知识、外部来源或经验总结的基线，且生成的原理与科学文献一致。
要点速读
- Principia 在测试时从输入与观测结果中形成比较性因果假设，并归纳为原理。
- 框架利用新观测修正假设并重建原理，使科学知识在发现过程中持续演化。
- 作者报告在分子优化、蛋白质工程、基因扰动和分子性质预测基准上优于基线，代码已公开。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。